INTRODUCTION Glioblastoma (GBM) is the most common malignant primary brain tumor, and methods to improve the early detection of disease progression and evaluate treatment response are highly desirable. We therefore explored changes in whole-brain apparent diffusion coefficient (ADC) values with respect to survival (progression-free [PFS], overall [OS]) in a cohort of GBM patients followed at regular intervals until disease progression. METHODS A total of 43 subjects met inclusion criteria and were analyzed retrospectively. Histogram data were extracted from standardized whole-brain ADC maps including skewness, kurtosis, entropy, median, mode, 15th percentile (p15) and 85th percentile (p85) values, and linear regression slopes (metrics versus time) were fitted. Regression slope directionality (positive/negative) was subjected to univariate Cox regression. The final model was determined by aLASSO on metrics above threshold. RESULTS Skewness, kurtosis, median, p15 and p85 were all below threshold for both PFS and OS and were analyzed further. Median regression slope directionality best modeled PFS (p = 0.001; HR 3.3; 95% CI 1.6-6.7), while p85 was selected for OS (p = 0.002; HR 0.29; 95% CI 0.13-0.64). CONCLUSIONS Our data show tantalizing potential in the use of whole-brain ADC measurements in the follow up of GBM patients, specifically serial median ADC values which correlated with PFS, and serial p85 values which correlated with OS. Whole-brain ADC measurements are fast and easy to perform, and free of ROI-placement bias.

中文翻译：

---

全脑表观扩散系数测量值与胶质母细胞瘤患者的存活率相关。

简介胶质母细胞瘤（GBM）是最常见的恶性原发性脑肿瘤，非常需要改善疾病进展的早期检测并评估治疗反应的方法。因此，我们探讨了一组GBM患者的全脑表观弥散系数（ADC）值相对于生存率的变化（无进展[PFS]，总体[OS]），并定期进行随访直至疾病进展。方法对43名符合入选标准的受试者进行回顾性分析。从标准化的全脑ADC映射中提取直方图数据，包括偏度，峰度，熵，中位数，众数，第15个百分位数（p15）和第85个百分位数（p85）值，并拟合线性回归斜率（度量值与时间）。对回归斜率方向性（正/负）进行单变量Cox回归。最终模型由aLASSO根据高于阈值的指标确定。结果偏斜度，峰度，中位数，p15和p85均低于PFS和OS阈值，并进行了进一步分析。中位回归斜率方向性是PFS的最佳模型（p = 0.001; HR 3.3; 95％CI 1.6-6.7），而OS选择p85（p = 0.002; HR 0.29; 95％CI 0.13-0.64）。结论我们的数据显示在GBM患者随访中使用全脑ADC测量具有诱人的潜力，特别是与PFS相关的串行ADC中位数值和与OS相关的p85系列值。全脑ADC测量快速且易于执行，并且没有ROI放置偏差。结果偏斜度，峰度，中位数，p15和p85均低于PFS和OS阈值，并进行了进一步分析。中位回归斜率方向性是PFS的最佳模型（p = 0.001; HR 3.3; 95％CI 1.6-6.7），而OS选择p85（p = 0.002; HR 0.29; 95％CI 0.13-0.64）。结论我们的数据显示在GBM患者随访中使用全脑ADC测量具有诱人的潜力，特别是与PFS相关的串行ADC中位数值和与OS相关的p85系列值。全脑ADC测量快速且易于执行，并且没有ROI放置偏差。结果偏斜度，峰度，中位数，p15和p85均低于PFS和OS阈值，并进行了进一步分析。中位回归斜率方向性是PFS的最佳模型（p = 0.001; HR 3.3; 95％CI 1.6-6.7），而OS选择p85（p = 0.002; HR 0.29; 95％CI 0.13-0.64）。结论我们的数据显示在GBM患者随访中使用全脑ADC测量具有诱人的潜力，特别是与PFS相关的串行ADC中位数值和与OS相关的p85系列值。全脑ADC测量快速且易于执行，并且没有ROI放置偏差。而OS选择p85（p = 0.002; HR 0.29; 95％CI 0.13-0.64）。结论我们的数据显示在GBM患者随访中使用全脑ADC测量具有诱人的潜力，特别是与PFS相关的串行ADC中位数值和与OS相关的p85系列值。全脑ADC测量快速且易于执行，并且没有ROI放置偏差。而OS选择p85（p = 0.002; HR 0.29; 95％CI 0.13-0.64）。结论我们的数据显示在GBM患者随访中使用全脑ADC测量具有诱人的潜力，特别是与PFS相关的串行ADC中位数值和与OS相关的p85系列值。全脑ADC测量快速且易于执行，并且没有ROI放置偏差。